论文部分内容阅读
在基因微阵列、文本数据分析、图像识别等领域,数据存在着高维性、高噪声、类别不平衡等问题,给深入准确挖掘高维小样本数据中所蕴含的有用知识和特征选择带来了极大困难,对高维小样本数据的分类学习性能带来了消极影响.为了获得具有高效分类性能的特征,利用特征扰动策略,定义了基准属性及基准属性空间,构建了利用具有差异性的多个特征子空间.在此基础上,构建了利用特征扰动策略的高维小样本数据的特征选择算法.在8个数据集上与其他7个特征选择算法进行实验结果对比,表明了所提算法的有效性.